基于遗传算法的移动机器人路径规划的研究

移动机器人技术是近年来的研究热点,路径规划技术是移动机器人技术研究中的一个重要领域,也是机器人完成其他复杂任务的必要基础。机器人路径规划是指给定机器人及其工作环境信息,按某一性能指标(例如距离、时间等)搜索出一条从起始状态到目标状态的最优路径或者次优路径。本文中移动机器人路径规划包含的内容是：在静态已知的环境中,依据优化准则,在工作环境中找到一条从起始点到目标点能避开所有障碍物的最优路径或者次优路径。 本文首先讨论了现有移动机器人的关键技术和国内外研究状况,介绍了本课题研究领域的背景及意义,并列出了几种常用的移动机器人路径规划理论及算法,并分析了存在的问题。 其次阐述了简单遗传算法的数学基础,归纳了其具备的特点和步骤,详细的说明了简单遗传算法的组成,具体分析了当前常用的遗传算子,并简单分析了不同编码方式下遗传算法的收敛性。 最后在简单遗传算法的基础上进行了改进。在障碍物多边形的模型中,采用十进制编码的方法,有明确物理意义的适应度函数与遗传算子,通过引用修正算子而且保留最优个体,从而引导遗传算法快速收敛于最优解。定长十进制编码方式克服了已有的变长编码机制及定长二进制编码机制需特殊遗传操作算子和特殊解码的缺陷,使得算法更加简单有效。改进的交叉算子在保证种群多样性的同时,有利于算法的收敛。通过计算机仿真表明该控制方法具有良好的路径规划能力。移动机器人路径规划综合实验是以AS-MF09灭火机器人为实验平台的,其实验结果表明了采用方法的有效性。